Từ nền tảng toán học đến tư duy hệ thống
Hành trình của TS Hoàng Trọng Nghĩa khởi đầu từ những ngôi trường chuyên sâu về khoa học tại Việt Nam như Trường Phổ thông Năng khiếu và Trường Đại học Khoa học Tự nhiên (2 đơn vị trực thuộc Đại học Quốc gia TPHCM). Chính tại đây, anh nhận ra sự bao la của khoa học máy tính và xác định cần một nỗ lực nghiêm túc để theo đuổi con đường này.
Bước ngoặt lớn trong cách tiếp cận nghiên cứu của anh hình thành trong giai đoạn làm Tiến sĩ tại Singapore. Dưới sự dẫn dắt của người thầy có triết lí học máy dựa trên nền tảng toán học vững chắc, anh không chỉ học kĩ thuật mà còn được đào tạo bài bản về cách đặt câu hỏi và phát triển các hướng đi khoa học một cách hệ thống. Tư duy này tiếp tục được tôi luyện khi anh làm việc tại Viện Công nghệ Massachusetts (MIT) và các phòng thí nghiệm công nghiệp tại Mỹ, trước khi trở thành giảng viên tại Đại học Washington State (WSU).
Trong lĩnh vực AI và học máy, TS Nghĩa tập trung vào ba nhóm bài toán then chốt: học liên kết (federated learning), ước lượng mức độ bất định (uncertainty quantification) và tối ưu hóa hộp đen (black-box optimization). Điểm chung của các hướng đi này là hướng tới việc xây dựng hệ thống AI hỗ trợ tốt hơn cho các quyết định thực tế trong khoa học, kĩ thuật và y tế.
Điểm đặc biệt trong phương pháp luận của TS Nghĩa nằm ở cách anh giải quyết thách thức về độ tin cậy của các mô hình AI quy mô lớn. Thay vì xem mô hình là một chuỗi các bước rời rạc, vốn khó kiểm soát khi dữ liệu thay đổi, anh đề xuất một cách nhìn mới, coi quá trình xử lí thông tin là một dòng chảy liên tục và có cấu trúc bên trong mô hình.
Chia sẻ về đề tài nâng cao độ tin cậy của AI, TS Hoàng Trọng Nghĩa nói: “Thay vì chỉ nhìn vào các “ảnh chụp” rời rạc ở từng bước, chúng tôi theo dõi sự biến đổi liên tục của cấu trúc hình học của các biểu diễn thông tin bên trong mô hình”.
Cách tiếp cận này giúp hệ thống không chỉ đưa ra kết quả mà còn biết được khi nào mình không chắc chắn, từ đó đánh giá độ tin cậy rõ ràng hơn và dễ dàng tích hợp các quy luật vật lí, sinh học vào mô hình.
Kết nối nguồn lực tri thức Việt
Những nỗ lực bền bỉ trong việc giải quyết các bài toán nền tảng của TS Hoàng Trọng Nghĩa đã được ghi nhận xứng đáng bởi cộng đồng khoa học quốc tế. Một trong những cột mốc quan trọng nhất trong sự nghiệp của anh là việc vừa nhận được Giải thưởng Sự nghiệp Khoa học của Quỹ Khoa học Quốc gia Hoa Kỳ (NSF CAREER Award). Đây là một trong những giải thưởng danh giá nhất dành cho các nhà khoa học trẻ tại Mỹ. Giải thưởng không chỉ là sự công nhận về năng lực nghiên cứu mà còn là nguồn hỗ trợ tài chính để anh hiện thực hóa các hướng đi dài hạn.
TS Trần Nam Dũng, Phó Hiệu trưởng Trường Phổ thông Năng khiếu đánh giá, trong thời đại AI đang làm thay đổi thế giới, việc một nhà khoa học trẻ gốc Việt đạt được giải thưởng này trong lĩnh vực AI và học máy mang một ý nghĩa đặc biệt.
Nó cho thấy rằng trí tuệ Việt Nam không đứng ngoài những dòng chảy lớn của khoa học toàn cầu.
Trong bối cảnh hệ thống khoa học hiện đại, nơi các nguồn dữ liệu từ cảm biến mới liên tục xuất hiện, TS Nghĩa đặt mục tiêu xây dựng những nhóm nghiên cứu bền vững. Với anh, nghiên cứu không chỉ là việc tìm ra kết quả trước mắt mà còn là sự thích nghi với bối cảnh rộng hơn của cơ chế dữ liệu phức tạp.
Triết lí này được anh truyền tải trực tiếp qua việc đào tạo nghiên cứu sinh. Anh thường khuyến khích các cộng sự bắt đầu từ những bài toán lớn, sau đó mới chia nhỏ thành các mục tiêu cụ thể. Đối với TS Nghĩa, việc giúp học trò phát triển khả năng làm nghiên cứu độc lập và xây dựng định hướng sự nghiệp lâu dài quan trọng không kém gì những công bố khoa học.
Dù làm việc tại Mỹ, TS Hoàng Trọng Nghĩa vẫn duy trì sự kết nối chặt chẽ với cộng đồng khoa học trong nước. Nhiều sinh viên đại học tại Việt Nam đã cùng anh thực hiện các công trình được công bố tại những hội nghị quốc tế hàng đầu như ICML (hội nghị quốc tế về học máy) , NeurIPS (hội nghị về xử lí hệ thống thông tin thần kinh), AISTATS (hội nghị quốc tế về AI và thống kê)...
Ý nghĩa hơn cả, nhiều bạn trong số đó đã tiếp tục theo đuổi con đường nghiên cứu chuyên nghiệp ở bậc tiến sĩ, thậm chí trở thành nghiên cứu sinh trong chính nhóm nghiên cứu của anh tại Mỹ. Trong tương lai, anh hi vọng sẽ mở rộng các hoạt động hợp tác bài bản hơn, tạo thêm nhiều cơ hội trao đổi trực tiếp với các nhóm nghiên cứu tại Việt Nam để cùng giải quyết những bài toán hóc búa của thời đại AI.
